Nov, 2015

基于颜色纹理分析的人脸反欺诈

PDF
TL;DR通过颜色纹理分析的局部二值模式描述符的使用，来分析亮度和色度通道的结合颜色 - 纹理信息，提出了一种新的基于颜色纹理分析的人脸反欺诈方法，并在 CASIA 人脸反欺诈和 Replay-Attack 数据库上进行了广泛实验，表明其较现有技术具有更好的检测准确性。
发现论文，激发创造
  • 创造人工模态以解决 RGB 真实性问题

    提出利用人工制造的模态从 RGB 视频中提取状态间的动态差异，用于对付人脸反欺诈，通过中间表示来增加模型对未知攻击和未知族群的鲁棒性，该方法在最大的跨族群人脸反欺诈数据集 CASIA-SURF CeFA（RGB）上取得了最先进的效果。

    Jun, 2020

  • 学习卷积神经网络进行人脸反欺骗

    本研究采用深度卷积神经网络（CNN）学习特征，在经过数据预处理后，能够大幅提高面部防欺诈性能，使得在 CASIA 和 REPLAY-ATTACK 数据集中相对错误率降低超过 70％，同时在两个数据集之间的交叉测试中，实验结果表明 CNN 能够获得更好的泛化能力，使用两个数据集的组合数据训练的网络在两个数据集之间具有更少的偏差。

    Aug, 2014

  • 跨族群人脸反欺诈识别挑战：综述

    该研究主要探讨基于深度神经网络的人脸反欺诈技术在实践中存在的族裔偏差问题，并介绍了 CASIA-SURF CeFA 跨种族人脸反欺诈数据集与 Chalearn Face Anti-spoofing Attack Detection Challenge 竞赛等相关内容及其结果

    Apr, 2020

  • 基于分解二次编码的三维人脸反欺诈技术

    本文提出一种新的对抗超真实 3D 人脸攻击的方法，基于细粒度分类，使用多个颜色通道的因式双线性编码并提取 RGB 和 YCbCr 空间的鉴别性和互补信息，同时收集了大规模蜡像人脸数据库进行实验验证并取得了最先进的性能。

    May, 2020

  • 关于解离面部欺骗的伪迹的通用面部反欺骗技术

    通过对抗性学习框架，设计出一种方法以多尺度模式的等级组合方式将伪造痕迹从输入面部中分离出来，并进一步经过适当的几何修正合成出另一张逼真伪造面孔图像，从而具有卓越的伪造检测性能。

    Jul, 2020

  • 基于图像和视频的人脸反欺诈领域无关特征学习

    本文提出了一种基于条件分类器领域鉴别器的活体检测方法，该方法结合了梯度反转层，以产生具有鉴别性而又对环境光照、分辨率等因素具有鲁棒性的真人和虚假特征，该方法在图像和视频方面均优于现有的反欺诈技术。

    Dec, 2019

  • 基于人类材料感知技术的人脸反欺诈

    本研究将人脸防欺骗重新定义为材料识别问题，并结合人的材料感知，提出了多级双边卷积网络（BCN）及多级特征细化模块（MFRM）和多头监督，以提取辨别性和鲁棒性特征，实验表明该方法在六个基准数据集上性能优异。

    Jul, 2020

  • 利用高频特征进行人脸伪造检测的泛化

    这篇论文提出了一种基于 CNN 的人脸伪造检测方法，利用高频噪声、多尺度特征提取、残差 - 引导空间注意力和跨模态注意力等功能模块提高了交叉数据集下的检测性能。

    Mar, 2021

  • 跨域人脸反欺诈的深度转移

    本文提出了一种使用 CNN 框架利用目标领域的稀疏标记数据来改善人脸防欺骗模型跨数据集测试性能的方法，实验结果表明仅使用少量标记样本即可显著提高模型的泛化能力。

    Jan, 2019

  • 一种紧凑型深度学习模型用于人脸欺骗检测

    本文采用宽与深特征融合的神经网络结构来解决假攻击检测问题，并在多个数据集上进行了实验验证。

    Jan, 2021